推荐系统中导致流行度不公平性的潜在因素：以用户为中心的分析
信息检索
2023-10-05 v1
摘要
流行度偏差是推荐系统中一个众所周知的问题，其中少数流行物品在输入数据中被过度表示，而大多数其他较不流行的物品则代表不足。这种不均衡表示常导致推荐结果中物品曝光上的偏差。大量研究从物品视角考察此偏差，并试图通过增强较不流行物品的推荐来缓解它。然而，近期研究揭示了该偏差对用户的影响。对流行物品容忍度不同的用户并未被推荐系统公平对待：对较不流行物品感兴趣的用户在其推荐中收到更多流行物品，而对流行物品感兴趣的用户则被推荐其所欲之物。这主要源于流行物品被过度推荐的流行度偏差。本文旨在调查导致推荐系统中此用户侧流行度偏差不公平性的因素。具体而言，我们考察两个因素：1）此种不公平性与用户对物品类别（如电影类型）兴趣之间的关系，2）此种不公平性与用户画像中流行度群组多样性（用户对具有不同流行度物品感兴趣的程度）之间的关系。在电影推荐数据集上使用多种推荐算法的实验表明，这两个因素与推荐结果中的流行度不公平程度显著相关。
引用
@article{arxiv.2310.02961,
title = {Potential Factors Leading to Popularity Unfairness in Recommender Systems: A User-Centered Analysis},
author = {Masoud Mansoury and Finn Duijvestijn and Imane Mourabet},
journal= {arXiv preprint arXiv:2310.02961},
year = {2023}
}